VRAAGBAAK VAN DE MAAND
STEL EEN VRAAG AAN ...

Derk Birnie - vice-voorzitter (kinderen/jeugd)
Nannet Buitelaar - secretaris (volwassenen)
Sanne Vink (psycholoog)
VOORSPELLENDE CLASSIFICATIE BIJ ADOLESCENTEN MET ADHD

Voorspellende classificatie bij adolescenten met ADHD in verhouding tot autisme door middel van structurele magnetische resonantie.


Imaging

Lena Lim , Andre Marquand , Ana A. Cubillo , Anna B. Smith, Kaylita Chantiluke, Andrew Simmons, Mitul Mehta, Katya Rubia

1 Department of Child and Adolescent Psychiatry, Institute of Psychiatry, King’s College London, London, United Kingdom,2Department of Psychological Medicine, Yong Loo Lin School of Medicine, National University of Singapore, Singapore, Singapore,3Department of Neuroimaging, Institute of Psychiatry, King’s College London, London, United Kingdom,4NIHR Biomedical Research Centre at South London and Maudsley Foundation NHS Trust and King’s College London, Institute of Psychiatry,London, United Kingdom


Abstract

Doel: ADHD is een neurobiologische ontwikkelingsstoornis, maar wordt gediagnosticeerd door subjectieve klinische en score maatstaven. Het doel van de studie was het toepassen van Gaussian process classificatie (GPC) op grijze massa volumetrische data. om vast te stellen of individuele ADHD patiënten nauwkeurig gedifferentieerd kon worden van gezonde controles gebaseerd op objectieve metingen van de breinstructuur en of dit ziekte-specifiek is ten opzichte van autisme.


Methode:  gescand werden  29 mannelijke adolescenten met ADHD en 29 leeftijd- gekoppelde gezonde adolescenten en 19 jongens met autisme. GPC werd toegepast om ziektespecifieke voorspellingen te doen of ADHD status gebaseerd op individuele brein structuren.  Daarnaast werd voxel-based morphometry (VBM) analysis getest op traditionele univariate group niveau verschillen in de grijze stof (GM)


Resultaten:  het patroon of GM classificeerde 75,9% van de patiënten en 82,8 % van de controles met een overall classificatie nauwkeurigheid van 79,3%. Verder was de classificatie specifiek voor ASD.  De onderscheid makende GM patronen lieten een hoger classificatie gewicht zien voor ADHD in in de vroeg-ontwikkelende ventrolaterale/premotor fronto-tempero-limbische en een sterker classificatie gewicht voor gezonden controles in later ontwikkelende dorsolaterale fronto-striato-parietocerebellaire netwerken. Diverse gebieden waren ook verminderd in GM in ADHD in relatie tot gezonde controles  in de univariate VBM analysis, suggererende dat zij GM deficit gebieden.


Conclusies: de studie laat zien dat pattern recognition analyse kan voorzien een significante individuele diagnostische classificatie van ADHD patiënten en gezonde controles gebaseerd op gedistribueerde GM patronen met 79,3% nauwkeurigheid en dat dit ziekte-specifiek is in relatie tot ASD. De bevindingen zijn een veelbelovend eerste stap op weg naar een objectieve differentiaal diagnostische tool gebaseerd op brein imaging maten  om te helpen met de subjectieve klinische diagnose van ADHD.


Citation: Lim L, Marquand A, Cubillo AA, Smith AB, Chantiluke K, et al. (2013) Disorder-Specific Predictive Classification of Adolescents with Attention Deficit Hyperactivity Disorder (ADHD) Relative to Autism Using Structural Magnetic Resonance Imaging. PLoS ONE 8(5): e63660. doi:10.1371/journal.pone.0063660


Editor: Carles Soriano-Mas, Bellvitge Biomedical Research Institute-IDIBELL, SpainReceivedDecember 5, 2012;AcceptedApril 8, 2013;PublishedMay 16, 2013


Copyright: 2013 Lim et al. This is an open-access article distributed under the terms of the Creative Commons Attribution License, which permits unrestricted use, distribution, and reproduction in any medium, provided the original author and source are credited.


Funding: Data collection was supported by grants by the NIHR Biomedical Research Centre (BRC) for Mental Health at South London and Maudsley NHS Foundation Trust and Institute of Psychiatry, Kings College London and Lilly Pharmaceuticals. LL was supported by the National Medical Research Council (Singapore). A, Smith, AC, A. Simmonds and KC were supported by the NIHR BRC. AM was supported by the King’s College London Centre of Excellence in Medical Engineering, funded by the Wellcome Trust and EPSRC under grant no. WT088641/Z/09/Z. Lilly Pharmaceuticals had no input into the design, analysis, data interpretation or write-up. The funders had no role in study design, data collection and analysis, decision to publish, or preparation of the manuscript.  Competing Interests:KR has received speaker’s honoraria from Shire, Novartis and Medice and Lilly Pharmaceuticals. This does not alter the authors’ adherence  to all the PLOS ONE policies on sharing data and materials.


* E-mail: katya.rubia@kcl.ac.uk




SITEMAP   COLOFON   DISCLAIMER